Pregunta: Análisis de lesiones deportivas: Cualquier actividad atlética es propensa a las lesiones. Si las lesiones no se manejan adecuadamente, entonces el equipo sufre. El uso de análisis para comprender las lesiones puede ayudar a obtener información valiosa que permitiría a los entrenadores y médicos del equipo administrar la composición del equipo, comprender los

Análisis de lesiones deportivas:

Cualquier actividad atlética es propensa a las lesiones. Si las lesiones no se manejan adecuadamente, entonces el equipo sufre. El uso de análisis para comprender las lesiones puede ayudar a obtener información valiosa que permitiría a los entrenadores y médicos del equipo administrar la composición del equipo, comprender los perfiles de los jugadores y, en última instancia, ayudar a tomar mejores decisiones sobre qué jugadores podrían estar disponibles para jugar en un momento dado. En un estudio exploratorio, la Universidad Estatal de Oklahoma analizó las lesiones deportivas relacionadas con el fútbol americano utilizando informes y análisis predictivos. El proyecto siguió la metodología CRISP-DM (que se describirá en el Capítulo 4) para comprender el problema de hacer recomendaciones sobre el manejo de lesiones, comprender los diversos elementos de datos recopilados sobre lesiones, limpiar los datos, desarrollar visualizaciones para sacar varias inferencias, construir PM para analice el período de tiempo de curación de lesiones y dibuje reglas de secuencia para predecir las relaciones entre las lesiones y las diversas partes del cuerpo afectadas por lesiones. El conjunto de datos de lesiones consistió en más de 560 registros de lesiones de fútbol americano, que se clasificaron en variables específicas de la lesión (parte del cuerpo/sitio/lateralidad, acción tomada, gravedad, tipo de lesión, fechas de inicio y curación de la lesión) y variables específicas del jugador/deporte — ID del jugador, posición jugada, actividad, inicio y ubicación del juego. El tiempo de curación se calculó para cada registro, que se clasificó en diferentes conjuntos de períodos de tiempo: 0 a 1 mes, 1 a 2 meses, 2 a 4 meses, 4 a 6 meses y 6 a 24 meses. Se crearon varias visualizaciones para extraer inferencias de la información del conjunto de datos de lesiones que representan el período de tiempo de curación asociado con las posiciones de los jugadores, la gravedad de las lesiones y el período de tiempo de curación, el tratamiento ofrecido y el período de tiempo de curación asociado, las lesiones principales que afectan a partes del cuerpo y así sucesivamente. Se construyeron modelos de redes neuronales para predecir cada una de las categorías de curación utilizando IBM SPSS Modeler. Algunas de las variables predictoras fueron el estado actual de la lesión, la gravedad, la parte del cuerpo, el sitio del cuerpo, el tipo de lesión, la actividad, la ubicación del evento, la acción tomada y la posición jugada. El éxito de clasificar la categoría de curación fue bastante bueno: la precisión fue del 79,6 % por ciento. Con base en el análisis, se sugirieron muchas recomendaciones comerciales, que incluyen emplear más aportes de especialistas desde el inicio de la lesión en lugar de permitir que el personal de la sala de entrenamiento evalúe a los jugadores lesionados; entrenar a los jugadores en posiciones defensivas para evitar lesiones; y la celebración de prácticas para comprobar minuciosamente los mecanismos de seguridad.

Preguntas para la discusión

1. ¿Qué tipos de análisis se aplican en el análisis de lesiones?

2. ¿Cómo ayudan las visualizaciones a comprender los datos y brindar información sobre los datos?

3. ¿Qué es un problema de clasificación?

4. ¿Qué se puede obtener al realizar un análisis de secuencias?